“Tanınmış şəxslərin səsindən istifadə edilir” Səsin saxta olduğunu necə bilmək olar?

Xəbər verdiyimiz kimi, dünən Daxili İşlər Nazirliyinin (DİN) Mətbuat Xidmətinin rəisi Elşad Hacıyev vətəndaşlara müraciət edərək bildirib ki, sosial şəbəkələrdə mətni nitqə çevirən süni intellektin səsli autentifikasiyasından istifadə olunmaqla çağırışlar yayılır.
Yeniavaz.com xəbər verir ki, DİN rəsmisi bu hallara qarşı ehtiyatlı olmağı tövsiyə edib.
“Süni intellekt mətni oxuyur və seçilən səsi təkrarlayır. Real dələduzluqdur, təhlükə yaradır. Xüsusilə də tanınmış şəxslərin görüntü və səslərindən istifadə olunur. Hər kəs ehtiyatlı olmalıdır”, - deyə E. Hacıyev bildirib
Qeyd edək ki, artıq uzun müddətdir süni intellekt insan səsini dərin öyrənmə (deep learning) texnologiyalarından istifadə edərək təqlid edir.
Bu proses bir neçə əsas mərhələdən ibarətdir:
Səs nümunələrinin toplanması – süni intellekt real insan səslərin qeydə alır və bu səslər geniş məlumat bazasına yüklənir.
Fonetik və akustik analiz – süni intellekt insan səsini analiz edərək ton, vurğu, sürət, intonasiya və emosional dəyişiklikləri başa düşməyə çalışır.
Mətndən səsə çevirmə (TTS - Text-to-Speech) – süni intellekt mətni səsə çevirərək verilən məlumatlara uyğun danışır. “Google”, “OpenAI”, “Microsoft” və “Amazon”un bu sahədə inkişaf etdirdiyi “WaveNet”, “VALL-E” və “Tacotron” kimi texnologiyalar yüksək keyfiyyətli insan səsi yaratmağa imkan verir.
Emosional və fərdi təqlid – süni intellekt artıq emosiyalar (sevincli, kədərli, həyəcanlı və s.) və hətta konkret insanların səsini klonlaya bilir.
Bəs, süni intellekt tərəfindən yaradılan səsi, həqiqi insan səsindən necə fərqləndirmək olar?
Süni intellektin yaratdığı səsi təbii insan səsindən ayırmaq çətinləşsə də, bəzi xüsusiyyətlərə diqqət yetirməklə səsin saxta olduğunu müəyyən etmək olar:
Mükəmməl səslənmə – İnsan səsində adətən tərəddüdlər ("hmm", "aaa"), nəfəs alıb-vermələr, qeyri-bərabər vurğular olur. Süni səs isə çox düz, mükəmməl və ardıcıl səslənir.
Emosional dərinliyin olmaması – Süni intellekt emosiyanı təqlid edə bilər, lakin bəzən real insan kimi dərin duyğuları və spontan dəyişiklikləri ifadə edə bilmir.
Səslərin sintetik olması – Süni intellekt bəzən səsləri çox süni və robotlar kimi edə bilər. Xüsusilə yüksək keyfiyyətli qulaqlıqlarla dinləyərkən bunu daha aydın hiss etmək olur.
Mikrotonal səhvlər – İnsan səsi dinamikdir və təbii vibrasiyalara malikdir. Süni intellekt tərəfindən yaradılmış səslər bəzən çox mükəmməl səslənir və bu, qeyri-təbii təsir bağışlayır.
Səs faylının analizi – "Deepfake Audio Detection" kimi alətlər süni səsi müəyyən edə bilər. Həmçinin, Spektrogram (səs dalğalarının vizual analizi) ilə real və süni səsləri müqayisə etmək mümkündür.
Murad Məmmədov